모델 연구

Two-Stage Reinforcement Learning for Sound and Adversarial Test Generation in Code LLMs

ARarXiv9월 3일 발표 · 1분 · 심사 전 논문

코딩 LLM 평가의 핵심 난제인 '고품질 테스트 케이스 부족' 문제를 해결하기 위해, 자동 생성 프레임워크 TCS를 제안했습니다.

세 줄 요약arXiv 원문 기반

TCS는 두 단계 강화 학습(RL)을 사용합니다. 1단계로 기본 테스트를 만들고, 2단계에서 모델의 취약점을 공략하는 '적대적 반례'를 학습하여 성능을 극대화합니다.
이 방법은 실제 벤치마크(TACO, LiveCodeBench)에서 성능 지표를 크게 향상시키며, 나아가 여러 LLM 결과 중 최적의 답변을 선택하는 능력까지 입증했습니다.
코드 LLM 평가가 단순한 검증을 넘어, 모델의 숨겨진 '취약점'을 능동적으로 찾아내는 적대적 학습 관점으로 진화하고 있음을 보여줍니다.

코딩 LLM 평가의 핵심 난제인 '고품질 테스트 케이스 부족' 문제를 해결하기 위해, 자동 생성 프레임워크 TCS를 제안했습니다.